一种手掌特征身份认证方法及装置制造方法及图纸

本发明专利技术公开了一种手掌特征身份认证方法及装置，该方法包括：获取识别手掌图像；对识别手掌图像进行降维处理，获取识别手掌图像对应的特征矩阵；将识别手掌图像对应的特征矩阵投影到预设投影特征矩阵上，获取识别手掌图像对应的特征值；其中，预设投影特征矩阵与第一预设数量的样本手掌图像组成的样本手掌图像集合相对应；根据识别手掌图像对应的特征值与每个样本手掌图像对应的特征值的欧氏距离，对识别手掌图进行识别；本发明专利技术通过将识别手掌图像进行降维处理后获取的特征矩阵投影到预设投影特征矩阵上，可以将手掌识别的重点放在手掌上具有明显特征位置上，而不再注重细微的掌纹识别，保证手掌识别的效率和准确度。

【技术实现步骤摘要】
一种手掌特征身份认证方法及装置
本专利技术涉及身份认证
，特别涉及一种手掌特征身份认证方法及装置。
技术介绍
随着信息技术的飞速发展，信息安全在人们的生活中显得越发的重要。而生物特征作为一种特殊的身份认证方式，因其具有明显的唯一与不变性，越来越成为重要的个人身份认证、识别的方式。目前主要采用的生物识别特征分为两类：一类是生理特征，如指纹、掌纹、虹膜、人脸等；另一类是行为特征，如签名、声音。现有技术中，人脸识别、指纹识别已经在大部分设备中部署完成，但掌纹识别因为与指纹相比，掌纹所占面积较大，不适合在便携式的设备中部署；与人脸相比，由于人脸特征明显，而掌纹的特征需要较特殊的采集装置或者较高分辨率的摄像头才能收集到，并未得到大量部署。因此，如何提供一种将识别的重点放在手掌上具有明显特征位置上，而不再注重细微的掌纹识别的方法，保证手掌识别的效率和准确度，是现今亟需解决的问题。
技术实现思路
本专利技术的目的是提供一种手掌特征身份认证方法及装置，以将识别的重点放在手掌上具有明显特征位置上，而不再注重细微的掌纹识别，保证手掌识别的效率和准确度。为解决上述技术问题，本专利技术提供一种手掌特征身份认证方法，包括：获取识别手掌图像；对所述识别手掌图像进行降维处理，获取所述识别手掌图像对应的特征矩阵；将所述识别手掌图像对应的特征矩阵投影到预设投影特征矩阵上，获取所述识别手掌图像对应的特征值；其中，所述预设投影特征矩阵与第一预设数量的样本手掌图像组成的样本手掌图像集合相对应；根据所述识别手掌图像对应的特征值与每个所述样本手掌图像对应的特征值的欧氏距离，对所述识别手掌图进行识别。可选的，该方法还包括：对每个所述样本手掌图像进行降维处理，获取每个所述样本手掌图像各自对应的特征矩阵。可选的，所述对每个所述样本手掌图像进行降维处理，获取每个所述样本手掌图像各自对应的特征矩阵，包括：设置初始的迭代次数i为1；计算获取所述样本手掌图像集合对应的右变换矩阵的前第一阈值个最大特征值各自对应的特征向量，构成第一矩阵集合；其中，所述右变换矩阵n为第一预设数量，Aj为样本手掌图像集合，Aj∈Rr×c(j＝1,2,…n)，Il1为l1×l1的单位矩阵，l1为第二阈值，T为矩阵转置；计算获取所述样本手掌图像集合对应的左变换矩阵的前第二阈值个最大特征值各自对应的特征向量，构成第二矩阵集合；其中，所述左变换矩阵Il2为l2×l2的单位矩阵，l2为第一阈值；令i＝i+1，判断是否符合预设收敛条件；其中，所述预设收敛条件为F为矩阵范数；若否，则执行所述计算获取所述样本手掌图像集合对应的右变换矩阵的前第一阈值个最大特征值各自对应的特征向量，构成第一矩阵集合的步骤；若是，则令HL＝HLi-1，HR＝HRi-1，获取每个所述样本手掌图像各自对应的特征矩阵可选的，该方法还包括：将所述样本手掌图像集合分成第二预设数量类样本，利用每类样本均值向量；mk为每类样本均值向量，nj为每类样本数，M为第二预设数量，A为每类样本；利用获取整体样本均值向量；其中，m为整体样本均值向量；令对SbWi＝λSwWi进行求解，并将解得的特征向量组成所述预设投影特征矩阵；其中，P为先验概率，可选的，该方法还包括：将每个所述样本手掌图像各自对应的特征矩阵Dj分别投影到所述预设投影特征矩阵，获取每个所述样本手掌图像各自对应的特征值。可选的，所述获取识别手掌图像，包括：利用摄像头采集识别图片；提取所述识别图片中的手掌区域，获取所述识别手掌图像。可选的，所述根据所述识别手掌图像对应的特征值与每个所述样本手掌图像对应的特征值的欧氏距离，对所述识别手掌图进行识别，包括：判断所述样本手掌图像集合中是否存在第一样本手掌图像对应的特征值与所述识别手掌图像对应的特征值的欧氏距离小于或等于第三阈值；若是，则确定所述识别手掌图像属于所述第一样本手掌图像对应的用户。可选的，所述确定所述识别手掌图像属于所述第一样本手掌图像对应的用户之后，还包括：将所述第一样本手掌图像对应的特征值更新为所述识别手掌图像对应的特征值。此外，本专利技术还提供了一种手掌特征身份认证装置，包括：获取模块，用于获取识别手掌图像；降维模块，用于对所述识别手掌图像进行降维处理，获取所述识别手掌图像对应的特征矩阵；投影模块，用于将所述识别手掌图像对应的特征矩阵投影到预设投影特征矩阵上，获取所述识别手掌图像对应的特征值；其中，所述预设投影特征矩阵与第一预设数量的样本手掌图像组成的样本手掌图像集合相对应；识别模块，用于根据所述识别手掌图像对应的特征值与每个所述样本手掌图像对应的特征值的欧氏距离，对所述识别手掌图进行识别。可选的，所述识别模块，包括：判断子模块，用于判断所述样本手掌图像集合中是否存在第一样本手掌图像对应的特征值与所述识别手掌图像对应的特征值的欧氏距离小于或等于第三阈值；若是，则向识别子模块发送识别信号；识别子模块，用于接收所述识别信号，确定所述识别手掌图像属于所述第一样本手掌图像对应的用户。本专利技术所提供的一种手掌特征身份认证方法，包括：获取识别手掌图像；对识别手掌图像进行降维处理，获取识别手掌图像对应的特征矩阵；将识别手掌图像对应的特征矩阵投影到预设投影特征矩阵上，获取识别手掌图像对应的特征值；其中，预设投影特征矩阵与第一预设数量的样本手掌图像组成的样本手掌图像集合相对应；根据识别手掌图像对应的特征值与每个样本手掌图像对应的特征值的欧氏距离，对识别手掌图进行识别；可见，本专利技术通过将识别手掌图像进行降维处理后获取的特征矩阵投影到预设投影特征矩阵上，获取识别手掌图像对应的特征值，获取手掌上具有明显特征位置上的特征值；通过根据识别手掌图像对应的特征值与每个样本手掌图像对应的特征值的欧氏距离，对识别手掌图进行识别，可以将手掌识别的重点放在手掌上具有明显特征位置上，而不再注重细微的掌纹识别，保证手掌识别的效率和准确度。此外，本专利技术还提供了一种手掌特征身份认证装置，同样具有上述有益效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例所提供的一种手掌特征身份认证方法的流程图；图2为本专利技术实施例所提供的一种手掌特征身份认证装置的结构图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，图1为本专利技术实施例所提供的一种手掌特征身份认证方法的流程图，该方法可以包括：步骤101：获取识别手掌图像。其中，本步骤中的识别手掌图像可以为需要进行识别的手掌区域的图像。可以理解的是，对于本步骤中识别手掌图像的具体获取方式，可以由设计人员或用户根据实用场景和用户需求自行设置，如可以利用摄像头采集识别图片；提取识别图片中的手掌区域，获取识别手掌图像；也就是通过提取摄像头采集到本文档来自技高网...

【技术保护点】
1.一种手掌特征身份认证方法，其特征在于，包括：获取识别手掌图像；对所述识别手掌图像进行降维处理，获取所述识别手掌图像对应的特征矩阵；将所述识别手掌图像对应的特征矩阵投影到预设投影特征矩阵上，获取所述识别手掌图像对应的特征值；其中，所述预设投影特征矩阵与第一预设数量的样本手掌图像组成的样本手掌图像集合相对应；根据所述识别手掌图像对应的特征值与每个所述样本手掌图像对应的特征值的欧氏距离，对所述识别手掌图进行识别。

【技术特征摘要】
1.一种手掌特征身份认证方法，其特征在于，包括：获取识别手掌图像；对所述识别手掌图像进行降维处理，获取所述识别手掌图像对应的特征矩阵；将所述识别手掌图像对应的特征矩阵投影到预设投影特征矩阵上，获取所述识别手掌图像对应的特征值；其中，所述预设投影特征矩阵与第一预设数量的样本手掌图像组成的样本手掌图像集合相对应；根据所述识别手掌图像对应的特征值与每个所述样本手掌图像对应的特征值的欧氏距离，对所述识别手掌图进行识别。2.根据权利要求1所述的掌特征身份认证方法，其特征在于，还包括：对每个所述样本手掌图像进行降维处理，获取每个所述样本手掌图像各自对应的特征矩阵。3.根据权利要求2所述的掌特征身份认证方法，其特征在于，所述对每个所述样本手掌图像进行降维处理，获取每个所述样本手掌图像各自对应的特征矩阵，包括：设置初始的迭代次数i为1；计算获取所述样本手掌图像集合对应的右变换矩阵的前第一阈值个最大特征值各自对应的特征向量，构成第一矩阵集合；其中，所述右变换矩阵n为第一预设数量，Aj为样本手掌图像集合，Aj∈Rr×c(j＝1,2,…n)，Il1为l1×l1的单位矩阵，l1为第二阈值，T为矩阵转置；计算获取所述样本手掌图像集合对应的左变换矩阵的前第二阈值个最大特征值各自对应的特征向量，构成第二矩阵集合；其中，所述左变换矩阵Il2为l2×l2的单位矩阵，l2为第一阈值；令i＝i+1，判断是否符合预设收敛条件；其中，所述预设收敛条件为F为矩阵范数；若否，则执行所述计算获取所述样本手掌图像集合对应的右变换矩阵的前第一阈值个最大特征值各自对应的特征向量，构成第一矩阵集合的步骤；若是，则令HL＝HLi-1，HR＝HRi-1，获取每个所述样本手掌图像各自对应的特征矩阵4.根据权利要求3所述的掌特征身份认证方法，其特征在于，还包括：将所述样本手掌图像集合分成第二预设数量类样本，利用每类样本均值向量；mk为每类样本均值向量，nj为每类样本数，M为第二预设数量，A为每类样本；利用获取整体样本均值向量；其中，m为整体样本均值向量；令对SbWi＝λSwWi进行求解，并将解得的特征向量组成...

【专利技术属性】
技术研发人员：崔苗，张秋镇，林凡，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44